Uji Multikolinieritas Uji Autokorelasi Tabel 4. 7. Durbin Watson Uji Heteroskedastisitas

Untuk mengetahui besar persentase variasi variabel terikat yang dapat dijelaskan oleh variasi variabel bebas, maka dicari nilai R 2 . Dari tabel 4.5 diperoleh nilai R 2 atau nilai koefisien determinasi sebesar 0.048 atau 4.8. Hal ini berarti 4.8 bisa dijelaskan oleh variasi dari ketiga variabel bebas yaitu cash position, debt to equity ratio, return on assets, sedangkan sisanya sebesar 95.2 dijelaskan oleh sebab- sebab lain diluar model. 4.3.3. Uji Asumsi Klasik

4.3.3.1 Uji Multikolinieritas

Untuk mendeteksi ada tidaknya gejala multikolinearitas antar variabel independent digunakan variance inflation factor VIF. Berdasarkan hasil dari masing-masing variable independen dapat dilihat dari table 4.6 : Tabel 4.6 hasil pengujian Multikolinieritas Coefficientsa Model Summary ,219 a ,048 -,027 46,30257 ,048 ,636 3 38 ,596 Model 1 R R Square Adjusted R Square Std. Error of the Estimate R Square Change F Change df1 df2 Sig. F Change Change Statistics Predictors: Constant, ROA, DER, CP a. Model Collinearity Statistics Tolerance VIF 1 Constant CP ,827 1,209 DER ,842 1,187 ROA ,616 1,396 a Dependent Variable: DPR Sumber : Data Primer diolah Dari table diatas dapat diketahui bahwa setiap variabel bebas tidak memiliki nilai VIF  10. Hal ini berarti ketiga variable independen terbebas dari multikolinieritas, dan dapat di gunakan untuk memprediksi dividend selama periode pengamatan 2006-2008.

4.3.3.2 Uji Autokorelasi Tabel 4. 7. Durbin Watson

Sumber : Data Primer diolah Penyimpangan autokorelasi dalam penelitian ini diuji dengan uji Durbin- Watson DW-test. Hasil regresi dengan level of significance 0.05 α=0.05 dengan sejumlah variabel independent k = 3 dan banyaknya data n = 42. Berdasarkan output SPSS 13.00, maka hasil uji autokorelasi dapat dilihat pada tabel diatas. Pengambilan keputusan ada atau tidaknya autokorelasi berdasarkan tabel autokorelasi Algifari,2000:89. Model Summary b 2,085 a Model 1 Durbin- Watson Predictors: Constant, ROA, DER, CP a. Dependent Variable: DPR b. Tabel 4. 7. Autokorelasi Durbin Watson Kesimpulan 1,3573 1,3573 – 1,6617 1,6617 – 2,3383 2,3383 – 2,6427 2,6427 Ada Autokorelasi Tanpa Kesimpulan Tidak ada Autokorelasi Tanpa Kesimpulan Ada Autokorelasi Dalam penelitian ini nilai DW 2,085, artinya variabel bebas dalam penelitian ini tidak terjadi autokorelasi.

4.3.3.3. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varience dari residual satu pengamatan ke pengamatan lain. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dilakukan dengan cara melihat nilai sig dari tabel rank spearman. Tabel 4.8. Uji Rank Spearman’s Sumber : Data Primer diolah Dari tabel diatas dapat disimpulkan bahwa tidak terjadi heteroskedastisitas. Penelitian dapat dilanjutkan. Selain menggunakan tabel rank Spearman, pengujian heteroskedastisitas dapat menggunakan grafik Scatterplot seperti dibawah ini, Gambar 4.2 Grafik Scatterplot Correlations 1,000 -,099 -,290 -,010 . ,533 ,063 ,950 42 42 42 42 -,099 1,000 -,402 -,006 ,533 . ,008 ,970 42 42 42 42 -,290 -,402 1,000 ,047 ,063 ,008 . ,768 42 42 42 42 -,010 -,006 ,047 1,000 ,950 ,970 ,768 . 42 42 42 42 Correlation Coefficient Sig. 2-tailed N Correlation Coefficient Sig. 2-tailed N Correlation Coefficient Sig. 2-tailed N Correlation Coefficient Sig. 2-tailed N CP DER ROA DPR Spearmans rho CP DER ROA DPR Correlation is significant at the 0.01 level 2-tailed. . Dari grafik Scatterplot diatas dapat disimpulkan tidak terjadi heteroskedastisitas, karena penyeberan titik tidak membentuk pola tertentu.

4.3.4. hasil Pengujian Regresi Linier Berganda